| Tactographie informée par la la microstructure pour l'évaluation de la connectivité dans les pathologies neurologiques (Anatomically and microstructure-informed tractography for connectivity assessment in neurological pathologies) Durantel, Thomas - (2023-12-15) / Université de Rennes - Tactographie informée par la la microstructure pour l'évaluation de la connectivité dans les pathologies neurologiques
| |||
Langue : Anglais Directeur(s) de thèse: Commowick, Olivier; Coloigner, Julie Discipline : Signal, image, vision Laboratoire : IRISA Ecole Doctorale : MATISSE Classification : Sciences de l'ingénieur Mots-clés : IRM de diffusion, A priori anatomiques, Tractographie, Tractométrie
| |||
Résumé : La tractographie de la matière blanche cérébrale est une méthode très prometteuse pour l'évaluation des trajectoires des fibres nerveuses, à partir d’IRM de diffusion (IRMd). En utilisant des méthodes d'analyse novatrices, elle permet d’estimer une véritable cartographie anatomique et fonctionnelle. L'avancement des techniques IRM a grandement amélioré notre capacité à quantifier la structure des réseaux cérébraux, accélérant ainsi la compréhension des altérations liées aux maladies. Malgré cela, de telles approches de tractographie restent encore limitées pour diverses raisons. En effet, des eudes ont indiqué que les algorithmes de tractographie les plus avancés ont tendance à générer un grand nombre de faisceaux de fibres, ce qui entraîne par conséquent un taux élevé de faux positifs. Dans cette thèse, notre objectif a été de proposer des méthodes innovantes pour améliorer l’estimation des fibres. Nous nous sommes, dans un premier temps, intéressés au développement d'une méthode visant à guider les algorithmes de tractographie en utilisant des a priori anatomiques, basés sur des « Orientation Distribution functions » (ODF), avec pour objectif d’améliorer l’estimation des fibres dans des régions complexes. Cette méthode utilise des a priori anatomiques, exprimés sous la forme de "Track Orientation Distribution (TOD)" calculés à partir d'atlas de fibres segmentées. Cette approche permet ainsi de mieux caractériser la variabilité de la microstructure entre les individus. Durant l'étape de tractographie, les données IRMd et les a priori TOD sont combinés à l'aide de géométrie Riemannienne améliorant l’estimation de la fibre dans des régions complexes. Des études, à la fois sur données IRMd simulées et sur données réelles hautes qualités, ont montré que l'ajout d' a priori anatomique augmente de façon significative la qualité de l'estimation des faisceaux dans les régions de croisement de fibres. Nous avons ensuite testé nos approches sur une cohorte clinique de patients atteints de dépression résistante afin d'identifier des biomarqueurs de cette pathologie. Pour cela, nous avons réalisé des analyses multivariées des métriques de microstructure extraites des modèles ODF le long des fibres. Nous avons identifié des modifications sur plusieurs faisceaux de fibres associées à la résistance au traitement. Cette étude nous a permis de monter que l'ajout d'a priori anatomiques peut servir à guider les algorithmes de tractographie de données cliniques de basses résolutions. En parallèle à ce travail, nous avons développé une nouvelle métrique de comparaison de tractogrammes, basée sur la théorie de transport optimale et sur la distance de Wasserstein. Notre étude montre que l'utilisation de cette métrique donne des informations complémentaires à celles couramment utilisées (score de Dice, corrélation). En effet, cette mesure permet de mesurer une distance entre chaque fibre du tractogramme. Abstract : White matter tractography is a highly promising method for assessing the trajectories of nerve fibers in the brain, based on diffusion MRI (dMRI). Using innovative analysis methods, it enables us to estimate a true anatomical and functional map. Advances in MRI techniques have greatly improved our ability to quantify the structure of brain networks, accelerating our understanding of disease-related alterations. Despite this, such tractography approaches remain limited for a variety of reasons. Indeed, studies have shown that the most advanced tractography algorithms tend to generate a large number of fiber bundles, resulting in a high false-positive rate. In this thesis, our aim was to propose innovative methods for improving fiber estimation. We first developed a method to guide tractography algorithms using priors, based on Orientation Distribution functions (ODF), with the aim of improving fiber estimation in complex brain regions. This method uses anatomical priors, expressed as Track Orientation Distribution (TOD) from segmented fiber atlases. This approach enables us to better characterize microstructure variability between individuals. During the tracking stage, dMRI data and TOD priors are combined using Riemannian geometry to improve fiber estimation in complex regions. Studies, both on simulated dMRI data and on high-quality real data, have shown that the addition of anatomical a priori significantly increases the quality of bundles estimation in fiber crossing regions. We then tested our approaches on a clinical cohort of patients with resistant depression to identify biomarkers of this pathology. To this end, we performed multivariate analyses of microstructure metrics extracted from ODF models along fibers. We identified changes in several fiber bundles associated with resistance to treatment. This study enabled us to show that the addition of anatomical priors can be used to guide algorithms for tractography of low-resolution clinical data. In parallel with this work, we have developed a new metric for comparing tractograms, based on optimal transport theory and Wasserstein distance. Our study shows that the use of this metric provides complementary information to those commonly used (Dice score, correlation). In fact, this metric measures the distance between each fiber in the tractogram. | |||